机群系统的规模增大,部件增多,导致了机群的组合错误率也不断上升。节点失效使运行于机群节点上的作业面临中途失败,从而造成巨大的资源浪费,甚至导致大的作业无法完成。检查点系统为节点提供了较好的容错性能,因此成为机群操作系统软件的重要组成部分。通过建立单机检查点系统可以提高操作系统的可靠性,减少运算损失,同时也为构造其他容错软件,甚至是建立整个机群环境的并行检查点系统提供基础。本文主要针对单机检查点系统的实现技术进行研究,并以曙光4000系列机群为平台,重点讨论了系统级检查点的平台相关性和性能优化策略。曙光4000A中使用的Opteron是基于AMD公司的x86-64架构的处理器。目前还没有开源的检查点系统对该体系结构提供过支持或者相关技术探讨。本文首先分析比较了现有检查点系统,对检查点实现技术进行深入研究,重点讨论了系统级检查点BLCR的实现机制。然后通过对x86-64体系结构的分析,实现了BLCR对AMD Opteron的支持,并对系统级检查点的平台相关性进行了探讨。最后提出了两种检查点系统中进程地址空间的优化存储策略。其中组合式检查点文件写策略解决了并发写机制在应用内存接近物理内存时的性能突降问题,A-O(Access-Order)进程地址空间存储策略调整传统地址空间的存储顺序,使大内存应用的检查点操作性能得到了大幅度提升。实验表明,A-O进程地址空间存储策略最高可以将传统的存储策略的时间开销缩减至原来的50%。